.png){kind=icon}
返回
Aperture Shape Generation Based on AdaGrad
.png){kind=icon}
PRE
AI
DOI：10.1080/00295450.2025.2517462.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
常规调强放射治疗中的直接射野 aperture 优化（DAO）采用梯度图直接生成 aperture，该方法被认为是求解优化问题的最快下降法。我们推导出共轭-动量梯度下降方向，以解决当最快下降法逼近最优值时出现的收敛振荡问题，同时求解优化问题。然而，这些改进未考虑 beamlet 的独立可控性。鉴于此前的相关研究，提出了一种基于 AdaGrad 的 aperture 形状生成方法。在优化过程中，根据获取的原始 aperture 梯度图，计算用于 DAO 的 AdaGrad 下降方向，并生成临床可接受的 aperture 形状。该方法通过 10 例癌症病例验证了性能。与通用方法相比，所提方法可将正常组织并发症概率最多降低 2.07%，优化时间最多缩短 10.17%。所提方法在缩短优化时间、改善同侧腮腺、膀胱和直肠的剂量分布方面表现出显著统计学意义（P < 0.05）。实验结果表明，该方法能够保证计划靶区的剂量分布，并有效保护危及器官。此外，该基于 AdaGrad 的方法在更短时间内实现了满足临床要求的优化结果。基于理论推导和实验验证，所提方法结合了深度学习中 AdaGrad 梯度概念的优势，与通用 DAO 相比，能更有效且稳定地获得满足临床要求的优化结果。该方法适用于不同类型癌症的 aperture 形状生成。
Keyword:
AdaGrad
aperture shape generation
descent direction
direct aperture optimization
期刊
N
IF:
2
论文数:
265
被引数:
4.2K
机构
暂无机构信息
引用论文
Aperture generation based on threshold segmentation for intensity modulated radiotherapy treatment planning.png)
MEDICAL PHYSICS
MEDICAL PHYSICSIF3.2
PREAI
分享收藏
分享收藏分享收藏
查看更多内容